艾伦·图灵在 1947 年说：“我们想要的是一台可以从经验中学习的机器。 ”
这个概念在今天以机器学习的形式成为现实！一般来说，机器学习涉及使用模式和推理而不是显式指令来研究特定任务的计算机算法和统计模型。毫无疑问，机器学习是当今非常流行的职业选择。根据 Indeed 的数据，机器学习工程师是 2019 年最好的工作，增长率为344% ，平均基本年薪为 146,085美元。
记住这一点，如果你想学习机器学习，市场上有很多书籍可供选择（适用于处于各个学习阶段的程序员）。在本文中，我们为 ML 编写了最好的书籍，包括业余爱好者和技术神童！！！这些书籍中的每一本书都非常受欢迎，因此您可以根据自己的学习感受选择自己喜欢的书。那么废话不多说，让我们来看看他们吧！
首先，让我们从简单开始，专注于适合初学者的最佳机器学习书籍，然后我们将转向更复杂的书籍！
适合初学者的最佳机器学习书籍
1. 绝对初学者的机器学习：简单的英语介绍（第 2 版）
添加一名作者
您想学习机器学习但不知道如何学习？好吧，在您踏上机器学习的史诗之旅之前，您应该首先了解一些重要的理论和统计原理。这就是这本书的由来！对于绝对初学者来说，这是一本实用且高级的机器学习介绍。
Machine Learning For Absolute Beginners 教您一切基础知识，从学习如何下载免费数据集到您需要的工具和机器学习库。还涵盖了数据清理技术、回归分析、聚类、神经网络基础、偏差/方差、决策树等主题。所以，如果你还没有过狮子王的时刻，在那里你自豪地凝视着像机器学习一样的辛巴俯瞰非洲的骄傲之地，那么这本书是最好的书，可以轻轻地把你抬起来，并为你提供一个清晰的土地的铺设。购买机器学习绝对初学者书籍
2. 傻瓜机器学习（ Python和 R）（第 1 版）
作者：约翰·保罗·穆勒和卢卡·马萨隆
对于普通人来说，机器学习可能是一个令人难以置信的概念。但对于我们这些知情人士来说，它是无价的！！！如果没有机器学习，就不可能处理诸如网络搜索结果、网页上的实时广告、自动化甚至垃圾邮件过滤（是的！）之类的事情。因此，本书为您提供了一本严肃的指南，可以作为进入 ML 神秘世界的切入点。
Machine Learning For Dummies 将帮助您“说”某些语言，例如Python和 R，这些语言反过来会教机器处理面向模式的任务和数据分析。您还将学习如何使用 R Studio 在 R 中编写代码，以及如何使用 Anaconda 在Python编写代码。购买机器学习傻瓜书
3. 黑客机器学习：案例研究和算法入门（第 1 版）
作者：德鲁康威和约翰迈尔斯
如果您现在是一名对数据处理感兴趣的程序员，那么这本书非常适合您！ （首先让我们澄清一下，标题中的黑客指的是一个优秀的程序员，而不是一个秘密的计算机黑客！）因此，这本书将帮助您使用大量动手案例研究开始机器学习，而不是枯燥的数学密集型演示更常见。
Machine Learning for Hackers 的每一章都侧重于具体问题，例如分类、预测、优化和推荐。它还将教您分析不同的样本数据集并用 R 编程语言编写简单的机器学习算法。购买机器学习黑客书籍
4. 机器学习：新人工智能（麻省理工学院出版社必备知识系列）
添加一名作者
机器学习在现代有着广泛的应用，从产品推荐到语音识别，甚至是那些不常用的，比如自动驾驶汽车！现在，机器学习的基础是数据，随着数据变得越来越大（大数据！），机器学习也取得了进步也就不足为奇了，因为它是将数据转化为知识过程中的基础。
机器学习：新人工智能专注于基本的机器学习，从演进到重要的学习算法及其示例应用。本书还侧重于模式识别的机器学习算法；人工神经网络、强化学习、数据科学以及机器学习对数据隐私和安全的伦理和法律影响。购买机器学习：新的 AI 书籍
中级/专家的最佳机器学习书籍
1.模式识别与机器学习（第1版）
作者：克里斯托弗·M·毕晓普
如果您想深入了解模式识别和机器学习的神秘世界，那么这本书适合您！事实上，这是第一本介绍贝叶斯模式识别观点的书。因此，虽然这本书涉及至少需要一些多元微积分、基本线性代数和数据科学知识的棘手主题，但这也是将模式识别敲入大脑的最佳书籍！！！
基于数据集中的模式，模式识别和机器学习的概率和机器学习章节难度越来越高。因此，本书从模式识别中的一般介绍开始，使用现场示例来理解这一点。购买模式识别和机器学习书籍
2. 用于预测数据分析的机器学习基础
作者：约翰·D·凯莱赫
如果您已经了解机器学习基础知识，现在想进入预测数据分析领域，那么这本书适合您！！！机器学习可用于通过从大型数据集中提取模式来创建预测模型。本书使用理论概念和实际应用详细分析了这种使用预测数据分析的机器学习应用。
尽管“用于预测数据分析的机器学习基础”这个名字很拗口，但这本书仍然会详细描述预测数据分析的轨迹：从数据到洞察力再到决策。它还描述了机器学习的四种方法：基于信息的学习、基于相似性的学习、基于概率的学习和基于错误的学习，每种方法都有一个非技术性的概念解释，然后是数学模型和算法，并通过详细的工作示例进行说明。购买用于预测数据分析的机器学习基础书籍
3. 机器学习：理解数据的算法的艺术与科学（第 1 版）
添加一名作者
如果您处于 ML 的中级或专家级，并且想要“回归基础”的方法，那么这本书就是您要走的路！它充分体现了机器学习令人难以置信的复杂性和丰富性，并且没有忽视其统一原则（这是一项壮举！）。
Machine Learning: The Art and Science of Algorithms 有各种案例研究，越来越复杂，还有很多例子和插图（为了确保它不无聊！）此外，书中还涵盖了广泛的逻辑、几何和统计模型。复杂和新的主题，如矩阵分解和 ROC 分析。购买《机器学习：理解数据的算法的艺术与科学》一书
4. 编程集体智能：构建智能 Web 2.0 应用程序（第 1 版）
添加一名作者
您想了解并利用搜索排名、产品推荐、社交书签甚至在线配对背后的力量吗！！！如果你这样做了，那么恭喜你，你选择了正确的书。本书演示了如何为 Web 2.0 构建各种应用程序，以挖掘大约 30 亿人在 Internet 上创建的海量数据。
Programming Collective Intelligence 使用机器学习来处理这个问题，并帮助您得出关于用户体验、营销、个人品味和一般人类行为的结论。本书中的所有机器学习算法都使用代码进行描述，这些代码可以在您的网站、博客、Wiki 甚至专用应用程序中的任何地方使用。购买编程集体智慧书